互联网行业遭遇寒冬，企业纷纷裁员缩招，而 BAT 和硅谷明星公司对 AI 人才的投入却并不见放缓。为争夺相关人才，给应届毕业生开出的平均年薪高达 30 万。
而 TensorFlow 作为当下最流行的深度学习框架，已然成为 AI 领域的技术人员必须掌握的技能。
如果你是人工智能方向的学生，通过掌握 TensorFlow，可将研究课题中的问题快速落实到代码上，全面提升复现论文实验结果和开发全新模型的效率，并为毕业求职提前积累优势。
如果你是数据科学家和算法工程师，在对 TensorFlow 的设计理念、架构和运作机制有一定的了解后，就能编写出更加高效的深度学习和机器学习模型，解决生产和生活中的实际问题。
如果你是打算转行到人工智能行业的工程师，那么 TensorFlow 将是一个绝佳入口，在使用它的过程中，你可以掌握深度学习相关的基础概念和理论，并快速上手一些简单可用的项目，强而有力地开启自己的转型之路。
走上 AI 之路，你要具备以下基础：
一、 掌握基本的 Python 编程语法
1. 变量、函数、模块
2. 字符串及其操作
3. 列表与元组
4. 条件、循环等控制流
5. 面向对象与类
推荐课程：
咕泡学院《Python基础入门精品课程》视频课程
推荐书籍：
二、必备数学基础
1. 线性代数
推荐课程：《麻省理工公开课：线性代数》
推荐书籍：
2. 统计学
推荐书籍：
三、基础 AI 理论知识
TensorFlow 必备知识要点
具备入门基础后，你可以按照以下学习路径，完成 TensorFlow 的系统学习。
入门篇
进阶篇
图片出处咕泡学院课程大纲节选
四、仿生学深度学习商业落地实战
1.YOLO多物体追踪
目前行业应用最广泛的商业级多目标追踪模型，主要作用是对一个区域内的多种物体进行追踪。应用领域：军事蜂群无人机战队群追踪打击、追踪嫌疑车辆和嫌疑人、拥堵路段车流量监控和人流量监控等。YOLO最大的特定就是速度快、追踪位置准确，用于实时定位追踪。
2.centerloss图像识别
图像的识别和对比，目前商业的人脸识别都是基于此并且应用领域不仅仅是人脸识别，其他的物体也能通过特征进行识别。
3.Mask-RCNN图像分割
4.DCGAN图像补齐
5.语音唤醒
语音唤醒主要是利用基于LSTM技术实现，让机器学会理解人类语音含义，进行语音对话。语音识别还能够根据特定的关键词来控制设备状态比如目前最火热的智能音响对家居的调控。
6.聊天机器人
主要基于NLP自然语音处理技术，让机器学会理解人类文章语言中的含义。最终可以和人类进行文字语言对话。基于NLP技术的网络模型也可以在人类的“指引”下，独立写一些简单的文章，或者对文章进行翻译、写摘要等。应用领域：智能客服、微软小冰、自动翻译等。
7.AlphaGo Zero下五子棋
主要技术是基于强化学习技术，强化学习主要用于解决路径规划的问题，从一个点到另一个点，神经网络会选出最“适合”的路径。目前主要应用于自动驾驶、无人仓储、机械工作、扫地机器人等
———————
扫码进入不迷路，每日更新AI最新技术干货！(了解课程详情私信作者)
